互聯網大數據產業相關市場界定方法探析

湯嫣然

摘 ? 要：相關市場的界定是反壟斷執法的前提和基礎，而傳統的相關市場界定方法主要針對的是實體產業。對屬于非實體產業的互聯網大數據產業獨有特點，如雙邊市場與交叉網絡效應、特殊的成本結構、數據的非對抗性、用戶的多歸屬性、“免費”模式以及用戶鎖定效應等，傳統相關市場界定方法難以有效規制，必須進行調整、綜合運用多種界定方法或創新的相關市場界定方法來對大數據產業相關市場作出準確的判定。

關鍵詞：互聯網;大數據;相關市場

DOI：10.3969/j.issn.1003-9031.2020.07.005

中圖分類號：D912.29 ? ? 文獻標識碼：A ? ? ? ? ?文章編號：1003-9031（2020）07-0032-07

大數據作為計算機技術的研究素材，被大家稱作是現今信息時代的“石油”，其重要性與日俱增。與此同時，國外的臉書（Facebook）案、領英（LinkedIn）案，國內的攜程收購藝龍案、滴滴收購優步中國案等與大數據壟斷相關的案例越來越多，各大互聯網企業已從昔日搶占用戶資源轉向搶占數據資源，但現有的法律規定已無法對新出現的大數據市場競爭法問題進行有效規制，完善有關數據的競爭法規制對于數據市場的公平競爭秩序尤為重要。因此，本文圍繞大數據的內涵與特點、現有的競爭法規制來探討有關大數據相關市場界定的問題。

一、大數據的涵義

在使用傳統認定相關市場的測試方法來界定大數據產業相關市場時，會遇到不少問題。一般來說，數據是指以聲音、圖像、文字、符號等形式所表達出來的客觀事實，是用于表示客觀事物的未經加工的原始素材。雖然數據只是一種原始材料，但經過先進的數字技術處理，基礎數據能被數字化和具體化。如我們在使用線上服務時，網絡平臺就會收集我們使用時的行為信息數據，緊接著這些數據會被分析和處理，計算出每位用戶的偏好或是某個群體的偏好，從而作出更精準的廣告投放或商品推薦，以獲得更大的收益。如今，在線上運行的各種服務性平臺無一不在時刻“生產”著數據，從某個角度來說，處在現今這個數據時代，數據隨處可得。在厘清了數據的概念之后，我們需要進一步理解大數據的“大”。根據國際數據公司（IDC）歸納的大數據的特點，可以用“4V”來概括，分別是容量大（Volume）、速度快（Velocity）、價值大（Value）、多樣性（Variety）。

二、大數據產業市場的特點

（一）交叉網絡效應

交叉網絡效應，是指企業在面向不同消費群體時，消費群體之間產生關聯性，這種關聯性往往會影響企業的平臺交易。在現今的新型互聯網市場中，最常見的消費群體是平臺使用者（即消費者）及廣告商，這兩個消費群體的相關聯性體現在消費者數量的多少與廣告商投入廣告的多少是相互影響的。

有學者認為，基于大數據的多歸屬性，數據驅動型市場的進入壁壘會比較低，網絡效應會被削弱，創新企業以其新穎性能夠迅速霸占市場，甚至打敗比自己擁有更多數據的老牌企業。如美國社交網絡的領導企業由Friendster到Myspace再到Facebook，不斷進行新舊交替，也只需要十年左右的時間。數據并不是市場新進入者的必備條件，只要新進入者有優秀的創意、作品和策略，仍然可以打敗王牌經營者，取得新的霸主地位，同時也能因為快速增加的用戶而迅速獲得一定規模的數據。因此，反對對數據進行反壟斷法規制的學者認為，數據驅動型市場的低進入壁壘使得即使是在社交網絡等網絡效應較強的市場，足夠優秀的創新型企業也能夠橫掃市場，網絡效應并不足以阻止創新企業獲得市場領導地位。

相反地，有學者卻認為交叉網絡效應在提高市場進入壁壘中起到明顯的作用。雙邊市場多出現在互聯網服務行業，如搜索引擎領域，搜索服務的提供商所面對的是使用搜索功能的用戶，和在搜索平臺上投放廣告的廣告商兩個市場。在交叉網絡效應作用下，擁有更多用戶的企業可以收集更多的數據，以提升產品或服務質量，吸引更多用戶，這是“使用者反饋”;同時，這些企業也在不斷收集更多用戶數據，用于改善廣告的定位投放，以吸引更多廣告商，然后再投資在產品研發中，獲得更好的產品或服務來吸引更多用戶，這是“獲利反饋”。當數據積累到一定規模，涉及范圍越大，種類越多，算法計算結果也就更準確，進而吸引更多用戶得到更多數據。這兩種反饋模式在不斷相互影響和共同作用，導致新的小企業和已經擁有大量用戶的企業很難進行競爭，新進入者將會面臨巨大的市場壁壘。總的來說，大數據的使用將不可避免地造成規模經濟，再與雙邊市場交叉網絡效應相互影響、相互促進，最終出現“贏家通吃”的局面。

（二）特殊的成本結構

大數據產業成本結構的特殊性主要表現為前期的高昂投入和后期趨于零的邊際成本，此種非常規的成本結構很容易會造成數據的集中?；ヂ摼W經營者前期往往需要對數據庫、服務器、工程師等平臺核心部分進行高昂的投入，并積累數據，不斷完善和更新軟件，而此時的收入往往是很低的。但這種商業模式一旦運轉起來，不斷增加的數據就可以通過算法不斷改進產品質量，邊際成本就會逐步趨于零。這種成本結構具有規模經濟和范圍經濟的特點，可能會導致數據集中于少數幾家大企業。另外，數據需要達到一定的規模才具有經濟價值，而有效處理數據需要雄厚的資本作為支撐，在大數據市場中存在著資金壁壘、技術壁壘、人才壁壘等，相應的也就存在“先入優勢”和“贏家通吃”等現象。

（三）數據在現實中具有排他性

數據的非排他性是指一個經營者獲得數據并不會阻礙其他企業獲得類似數據，只要能提供線上產品或服務的經營者都可以獲取用戶的使用數據。同時，數據也具有用戶多歸屬性的特點，同一個人的數據可以被很多類似的具有競爭關系的企業獲得，用戶的要求能夠同時被多個中間人處理。數據的非排他性和用戶多歸屬性使得數據并不具有競爭的意義，數據不會成為經營者取得市場支配地位的原因，從而大數據市場不存在壟斷行為。

但在現實中不排除個別企業會采取如獨家控制、簽訂排他協議、技術壁壘等限制措施來阻止競爭對手收集數據，實現數據的排他性所有。如社交軟件Facebook明確規定，其他平臺不能收集在Facebook上的用戶數據，除非得到Facebook的同意。除此以外，經營者為了維持自己的已得優勢，多采用會員制、積分制等策略來減弱數據的多歸屬性。對于用戶來說，這些策略的確在某種程度上限制了他們的選擇，為了方便使用往往會習慣性地選擇某一個平臺作為常用平臺。經營者采取的各種限制措施而使得數據具有了排他性，并且有可能會利用數據的排他性在大數據市場獲得或保持支配地位。經營者通過合法的手段獲得支配地位并不違法，但如果經營者是通過非法的手段來限制數據被其他企業正常使用或在市場中流通，是屬于違法的壟斷行為。除此以外，在獲得支配地位后若實施諸如獨家控制、禁止用戶進行數據移植等排他性行為，很有可能會構成濫用市場支配地位?？偠灾瑢τ谝驍祿潘远霈F的非法獲取市場支配地位或濫用市場支配地位的行為，反壟斷法應該對其進行針對性的規制。

（四）大數據的“免費”模式

在傳統市場交易中，壟斷經營者一般是通過控制產品、服務的價格或數量進行壟斷，獲得利益的。但在大數據市場中，經營者通過招攬廣告商、收取廣告費來獲得利益，并不向用戶直接收取費用。大數據市場之所以能夠長期實現“免費”模式，主要是因為大數據產品具有后期邊際成本趨近于零的特點，為大數據市場“免費”模式的持續實行提供了可能性。

數據價值并不僅僅取決于數據本身，還依賴于算法和相關技術，因為大數據經過分析、脫敏等處理后，獲得的對于某一研究對象有研究意義的數據，數據技術及數據算法對數據價值發揮了重要作用。同時，數據價值是具有生命周期的，數據的價值會隨著時間流逝而逐漸降低，這是因為基于陳舊數據的分析與研究結果對即時更新的互聯網產業作用并不是很大。因此，數據的價值不僅僅在于數據的規模大小，數據的有效性、處理數據的手段和方法等也是需要被考慮的因素。

（五）“用戶鎖定”效應

“用戶鎖定”效應是指該平臺或軟件的用戶對技術的過分依賴使得該用戶轉換到另一個平臺或軟件時轉移成本過高，以至于用戶對此平臺或軟件形成了“路徑依賴”。此處提到的轉移成本是指用戶在前一平臺或軟件上投入的沉沒成本及轉換到新的平臺或軟件上所付出成本的總和。這種轉移成本過高而造成的依賴可以體現在經濟上、時間上甚至精力上。如QQ軟件中充值的Q幣，或與QQ好友之間長期確定的聯系方式，以及使用QQ時所養成的使用習慣等都會使用戶對QQ軟件產生依賴性，增加用戶轉移到新的平臺或軟件的成本（難度）。此外，“先進入”的經營者能夠根據前期不斷收集的數據來分析得出用戶的喜好、特點，然后推出更符合用戶需求的產品和服務，在用戶選擇該大數據產品后，受制于習慣、轉移成本等因素，會對該產品產生依賴，用戶鎖定效應就會愈加明顯，而與之競爭的經營者吸引用戶的難度就越大。當更多的用戶被吸引并且依賴之后，就會出現“贏家通吃”的現象，企業也就可以在大數據市場形成壟斷地位。

三、傳統相關市場界定方法的局限性

傳統的相關市場界定方法有需求替代認定法、供給替代認定法、SSNIP測試法（假定壟斷者測試）、SSNDQ測試法（產品性能測試）、盈利模式測試法、GUPPI測試法（綜合漲價壓力指數）等。但因為大數據產業具有其自身獨有的特點，在運用傳統方法對其界定相關市場時，存在著一定的局限性。

一般的產品或服務都有相應的對價，傳統的反壟斷分析方法是以此對價為基礎的分析工具。但對于數據而言，往往只是經營者自己獲取、自己使用，并不會用于交易，因此也就不具有對價。在這種情況下，利用傳統的分析工具是難以對數據界定相關市場的。如在Facebook收購瓦次普（WhatsApp）一案中，歐盟委員會拒絕為大數據界定一個相關市場，因為當事方沒有一家企業向第三方提供數據。數據暫未在交易市場上頻繁流通主要是因其法律地位（所有權歸屬）問題、用戶隱私問題、定價問題等尚未被解決，因此直到目前為止數據市場也未曾被單獨認定為一個相關市場。

此外，數據產業市場的邊界并不明確。數據可以根據不同的標準被分為許多種類，且沒有較為權威的標準。因不同標準區分出的種類可能會出現重疊，難以為數據產業劃出清晰的市場邊界。如數據可以根據收集的對象區分為線上數據和線下數據，線上數據進一步區分為搜索數據、社交數據和電商數據。但這三種數據互相之間的界限并不清晰，如騰訊通過微信應用程序收集到的信息一方面屬于社交數據，但不排除也屬于電商數據的一種。除此以外，法國與德國競爭執法部門聯合發布的《競爭法與數據》報告中也對數據進行三種分類：以信息類型為標準將數據分為個人數據與企業數據;以數據的構成為標準將其分為結構型數據和非結構型數據;以收集數據的方法為標準則分為用戶主動提供、通過觀察獲得和通過現有數據推斷獲得。

在分析了數據產業相關市場界定存在的問題之后，以下將會針對大數據產業的特點對三種主要的相關市場界定方法進行詳細分析。

（一）供給替代認定法的局限性

根據2009年國務院反壟斷委員會公布的《關于相關市場界定的指南》第六條規定，“供給替代是指根據其他經營者改造生產設施的投入、承擔的風險、進入目標市場的時間等因素，從經營者的角度確定不同商品之間的替代程度”。對于傳統的實體產業來說，它們的用途、功能、消費者群體等因素各不相同，不同產品之間的邊界是清晰的。但在大數據產業市場中，經營者往往面對的是雙邊市場，若是把雙邊市場都歸入到數據市場界定的相關市場中，有可能導致相關產品的市場邊界被無限地擴大，這無疑會增加大數據反壟斷執法的難度。同時，大數據產業市場是一個平臺市場，平臺的經營者大都會提供兩種以上的產品或服務，用戶可能會同時選擇兩種不同種類的產品或服務，在使用供給替代認定法時就意味著整個平臺的所有產品或服務都會被納入到同一個產品市場中進行考慮，在認定時會提高大數據產品經營者市場支配地位認定的概率，對經營者來說是不公平的。

（二）需求替代認定法的局限性

根據2009年國務院反壟斷委員會公布的《關于相關市場界定的指南》第五條規定，“需求替代是根據需求者對商品功能用途的需求、質量的認可、價格的接受以及獲取的難易程度等因素，從需求者的角度確定不同商品之間的替代程度?！钡绻枨筇娲J定法用于認定大數據相關市場，會被大數據本身的用戶鎖定效應和外部性特點所影響，得出不準確的結論。這是因為在大數據產業市場中，用戶關注的重點不再是產品的價格，而是用戶的數量以及該公司的發展前景。用戶的數量越多，共同使用的社交對象也就越多，數據的數量也會越多，產品據此提升的空間也就越大。因此，用戶在選擇時更傾向于選擇用戶數量多，且發展前景良好的產品。

此外，大數據具有的用戶鎖定效應。當用戶習慣了某個產品的使用，就會對該產品產生依賴，用戶轉移使用其它產品的可能性小。因此，需求替代認定法用于界定大數據相關市場的作用不大。

（三）SSNIP測試法在界定數據產業相關市場的局限性

SSNIP測試法是指假定壟斷者小幅度漲價導致其銷售量降低，但仍獲利的情況下，將該目標產品納入到相關市場之內，直到其漲價而銷售量不再降低時停止測試，此時所得的市場就是該產品的相關市場。在傳統相關市場界定中，反壟斷法是不會規制免費行為的，但對于大數據產業市場來說，其面對的是雙邊市場，一邊是對于用戶的免費模式，一邊是對廣告商收取費用以補貼免費模式。在界定相關市場時，SSNIP測試法的局限性就體現出來了。首先，在免費模式下用戶對價格是非常敏感的，若把免費的行業服務改變為收費模式，如微信和支付寶開始收取提現手續費，用戶極有可能會全部轉向其他可替代的產品。其次，無論是大數據產品漲價的前后，都難以計算出免費產品的市場價值。最后，大數據產品具有邊際成本趨于零的特點，很難對其按照一般的計算方法得出盈利額，因而很難判斷在提價之后經營者是盈利還是虧損。

四、大數據產業相關市場界定方法的調整與創新

（一）對常用的傳統相關市場界定方法的調整

SSNIP測試法是目前為止最常被用于界定相關市場的方法，我們可以針對大數據產業的特點，對SSNIP測試法做出適當的調整。首先，針對大數據產業的網絡外部性和用戶鎖定效應，可以加大漲價的幅度，抵消大數據產業網絡外部性和用戶鎖定效應的影響，至于具體的漲價幅度應在反壟斷部門對已有案件進行總結的基礎上做出科學、合理的規定。其次，針對大數據產業用戶的著眼點是在產品質量而不是價格的特點，在進行分析時，應對產品的不同性質、產品口碑好壞、產品使用效果等影響因素綜合評價。最后，針對大數據產業的“免費”模式，可以對SSNIP測試法中一律提高價格的方法進行適當改進。如在“奇虎訴百度濫用市場支配地位”一案中，廣東高院在使用SSNIP測試法對相關市場進行界定時，不再是刻板地小幅度持續提高目標商品價格，而是將產品價格從零到小幅度收費，來看消費者是否轉向其他具有替代性的產品，以此界定該產品的相關市場?！捌婊?60訴騰訊QQ”一案中，廣東高院也采取了類似的做法。

（二）綜合運用各種界定相關市場的方法

除了對SSNIP 測試法做出調整，還可以將界定相關市場的多種方法綜合起來靈活運用。一是明晰現今大數據產業主要的盈利模式。向互聯網企業提供維護、升級系統的業務，如IBM、SIP、Oracle等公司;基礎設施服務的提供，為用戶提供大數據基礎設施部署，如數據堂、聚合數據等公司;數據產品的服務模式，包括可視化、精準營銷、情報挖掘等，如阿里的數加平臺、Talkingdate、 DateEye 等;為用戶提供行業洞察服務，使用戶獲得行業最新資訊，如智慧城市等。二是明確分析經營者盈利模式。通過對經營者盈利模式的分析，能夠分清各個企業不同的盈利模式，消除傳統的以價格為核心的界定方法對于大數據免費模式市場的局限性，在界定相關市場時能夠有更準確的判斷。三是結合SSNDQ測試法來進行綜合判斷界定市場。如使用降低產品質量的方法，如果因為產品質量下降而導致用戶流失到其他類似產品，那么流出的產品就可以納入到相關市場中。但對于大數據產品的“質量”定義應該不同于一般的實體產品，如軟件的穩定性、bug的數量、更新的次數、用戶數量等也應當屬于產品質量的評判標準。

（三）界定大數據產業相關市場的創新界定方法

根據大數據產業市場的“免費”模式，可以創新一個與售價無關的、基于成本上漲的假定壟斷者測試。這里面的“成本”指的是用戶使用該產品的成本，該“成本”并不僅限于金錢成本，還包括其他如時間成本、精力成本、隱私成本、安全成本等。如一個用戶選擇一個數據產品或服務，可能會考慮以下因素：（1）金錢成本。使用此軟件，是否需要加入會員？如果不是會員，我能使用這個產品的多少功能？（2）時間成本。使用此軟件，下載時間要多長？是否需要經常耗費時間進行更新？使用時需要等待的廣告時間有多長？（3）精力成本。使用此軟件，是否需要學習復雜的操作才能使用？（4）隱私成本。此軟件的使用權需要用多大的隱私權去交換？需要同意哪些隱私條款才能進行使用？（5）安全成本。使用此軟件是否安全？相關信息是否有可能遭到泄露？定位是否會暴露所在位置？用戶在選擇大數據產品時大都會對以上這些問題進行考慮，我們可以假定這些“成本”上漲，若此時用戶選擇其他替代性軟件，則屬于該產品的相關市場中，直到“成本”上漲時用戶不會選擇其他替代產品為止。

五、結語

近幾年大數據壟斷的相關案例頻發，如谷歌、Faceboook等數據巨頭公司都有類似的大數據壟斷“擦邊球”行為。從歐盟在類似案例中對于相關市場界定的實踐來看，傳統的相關市場界定方法并不能很好地判斷大數據產業相關市場的范圍。我國大數據產業得到重視的時間雖然較晚，但卻在高速發展中。與之相比，我國現在關于大數據產業的反壟斷規制較為落后，特別是作為反壟斷執法與司法的核心相關市場界定。在現有相關市場界定方法尚不能很好界定大數據相關市場的情況下，可以嘗試在改進SSNIP測試法（假定壟斷者測試）的基礎上，綜合運用盈利模式測試法、SSNDQ測試法（產品性能測試法）甚至使用創新的基于成本上漲的假定壟斷者測試法來界定相關市場。

（責任編輯：夏凡）

參考文獻：

[1]曾彩霞，朱雪忠.歐盟對大數據壟斷相關市場的界定及其啟示——基于案例的分析[J].德國研究，2019（1）：111-124.

[2]雷瓊芳.論大數據壟斷的法律規制[J].湖北經濟學院學報（人文社會科學版），2019（1）：86-88.

[3]沈亮亮.算法在市場競爭中的應用與法律難題——從大數據殺熟談起[J].太原學院學報（社會科學版），2019 （3）：26-31.

[4]牛喜堃.數據壟斷的反壟斷法規制[J].經濟法論叢，2018（2）：370-394.

[5]楊利華.雙邊市場條件下第三方支付相關市場的界定——基于互聯網行業的反壟斷法分析[J].當代法學，2018（6）：79-89.

[6]詹馥靜，王先林.反壟斷視角的大數據問題初探[J].價格理論與實踐，2018（9）：37-42.

[7]鄒開亮，劉佳明.大數據產業相關市場界定的困境與出路[J].重慶郵電大學學報（社會科學版），2018（5）：34-39.

[8]陳兵.大數據的競爭法屬性及規制意義[J].法學，2018（8）：107-123.

[9]賈曉燕，封延會.網絡平臺行為的壟斷性研究——基于大數據的使用展開[J].科技與法律，2018（4）：25-33.

[10]韓偉.如何從反壟斷法角度審視人工智能[J].網絡法律評論，2016（2）：3-15.

[11]鄒開亮，劉佳明.大數據企業合并的反壟斷審查初探[J].石家莊學院學報，2018（2）：116-119.

[12]曾雄.數據壟斷相關問題的反壟斷法分析思路[J].競爭政策研究，2017（6）：40-52.

[13]殷繼國.大數據市場反壟斷規制的理論邏輯與基本路徑[J].政治與法律，2019（10）：134-148.

[14]王嘉儀.計算機算法運用中的價格壟斷問題[D].上海：上海外國語大學，2018.

[15]施俊.大數據平臺濫用市場支配地位的法律規制研究[D].蚌埠：安徽財經大學，2018.

[16]葉明.互聯網對相關產品市場界定的挑戰及解決思路[J].社會科學研究，2014（1）：13.

[17]胡麗.反壟斷法視域下網絡空間“相關地域市場”的界定——兼評“奇虎訴騰訊壟斷案”中全球市場的認定[J].河北法學，2014（6）：45.

[18]Maurice E.Stucke，Allen P.Grunes.Big Data and Competition Policy[M].Oxford University Press，2016.

[19]D Daniel Sokol，Roisin Comerford.Antitrust and Regulating Big Data[J].George Mason Law Review，2015（23）：1148-1149.

[20]Caillaud B，B Jullien.Chicken and Eggs：Competition among Intermediation Service Providers[J].Rand Journal of Economics，2003（34）：280-320.

[21]Graef，Inge.Market Definition and Market Power in Data：The Case of Online Platforms[J].World Competition，2015（38）：500-510.